Proxy Lite是什么
Proxy Lite 是开源的轻量级视觉语言模型(VLM),参数量为3B,支持自动化网页任务。Proxy Lite 能像人类一样操作浏览器,完成网页交互、数据抓取、表单填写等重复性工作,显著降低自动化成本。Proxy Lite用“观察-思考-工具调用”的三步决策机制,具备强大的泛化能力和低资源占用,支持在消费级GPU上高效运行。Proxy Lite 提供完整的浏览器交互框架,支持网页自动化测试、数据提取、智能任务助手等多种应用场景,适合开发者快速部署和使用。

Proxy Lite的主要功能
- 网页自动化操作:自动完成浏览器中的各种操作,如点击按钮、填写表单、滚动页面、处理弹窗等。
- 网页数据抓取:解析网页内容,提取结构化数据,支持新闻、社交媒体、电商平台等多类型网页的数据抓取。
- AI驱动的交互式Web代理:结合视觉感知能力,实现UI自动化测试和前端行为分析。
- 智能任务助手:帮助用户搜索、筛选和总结信息,提升网页导航体验。
- 低资源占用:仅3B参数,支持在消费级GPU上高效运行,无需依赖大型云计算资源。
Proxy Lite的技术原理
- 视觉语言模型(VLM):结合视觉感知(图像识别)和自然语言处理能力,理解和操作网页内容。
- 三步决策机制:
- 观察:评估上一操作是否成功,并获取当前网页的状态信息。
- 思考:根据当前页面状态进行推理,决定下一步操作。
- 工具调用:基于浏览器API进行交互,如点击、输入、滚动等。
- 浏览器交互框架:内置完整的浏览器交互控制框架,用Playwright库驱动浏览器操作,支持无头模式(Headless)和隐身模式(Stealth)以降低被反爬风险。
- 执行反馈机制:借鉴DeepSeek R1等模型的反馈机制,在任务执行中不断优化决策流程,提升执行准确性。
Proxy Lite的项目地址
- GitHub仓库:https://github.com/convergence-ai/proxy-lite
Proxy Lite的应用场景
- 网页自动化操作:自动完成点击、填写表单、滚动页面等任务,减少人工操作。
- 网页数据抓取:提取新闻、电商等网页的结构化数据,用在数据分析或内容聚合。
- 自动化测试:实现Web应用的UI自动化测试,快速检测界面功能。
- 智能任务助手:帮助用户搜索、筛选信息,提升网页使用效率。
- 企业级任务自动化:企业内部流程自动化,如数据录入和跨系统发布信息。
© 版权声明
文章版权归作者所有,未经允许请勿转载。